Thesis

طبقه بندی داده ها با استفاده از برنامه ریزی ریاضی

Download full textFree with an account; signing up with Google takes seconds

Abstract(in Persian; no English abstract is available)

در این پایان نامه، به معرفی مسأله طبقه بندی پرداختیم و برخی از روش های رایج برای حل این مسأله از جمله روش بیز، شبکه عصبی، درخت تصمیم و توابع جداکننده را به طور مختصر شرح دادیم. روش برنامه ریزی ریاضی، که بر پایه تولید رویه ها در فضای ویژگی ها است، برای حل مسأله طبقه بندی خصوصاً برای حالت دوگروهی به دلیل دقت بالای آن در کاربرد های عملی، تاکنون بسیار مورد مطالعه قرار گرفته است. یکی از تعمیم های مدل برنامه ریزی خطی، تولید چندوجهی ها برای تخمین مرزهای غیرخطی و افراز فضای ویژگی ها است. مدل mcp یک روش بر پایه یک مدل برنامه ریزی عدد صحیح برای حل مسأله چندگروهی است که توسط خو و پاپاجئورجیو [107] ارائه شده است. در این روش، ابتدا یک مدل برنامه ریزی عدد صحیح حل می شود و k ناحیه به صورت ابرمکعب هایی در فضای ویژگی ها، با هدف مینیمم کردن تعداد داده های نادرست طبقه بندی شده، تولید می شود به طوری که هر ابرمکعب به یک کلاس از داده ها اختصاص می یابد. سپس برای افزایش دقت طبقه بندی، با یک الگوریتم تکراری، ابرمکعب های بیشتری به ازاء هر کلاس تولید می شود تا زمانی که اضافه کردن ابرمکعب جدید باعث بهتر شدن جواب نگردد. از نقاط قوت الگوریتم mcp دقت بالای آن، به ویژه، بر روی داده هایی با نواحی مجزا و دارای درهم رفتگی زیاد است. اما از طرف دیگر، در هر تکرار الگوریتم mcp، یک مدل برنامه ریزی عدد صحیح با پارامتر های جدید، حل می شود که این امر باعث افزایش زمان محاسباتی و در نتیجه کاهش کارایی روش بر روی مجموعه هایی از اندازه بزرگ می گردد. در فصل آخر پایان نامه، تغییراتی را در الگوریتم mcp پیشنهاد کردیم که اعمال آن، زمان محاسباتی را به طور قابل ملاحظه ای کاهش می دهد. ایده الگوریتم پیشنهادی (mcpm)، استفاده از مرزهای به دست آمده از تکرارهای قبل و کنارگذاشتن داده های درست طبقه بندی شده است. این کار، باعث حذف تعداد زیادی متغیر صفر و یک می شود و در نتیجه زمان محاسباتی گام به گام کاهش می یابد. علاوه بر متغیرهای عدد صحیح متناظر با هر یک از داده ها، تعداد زیادی از متغیرهای صفر و یک، که به منظور عدم تداخل ابرمکعب های غیر هم کلاس در نظر گرفته شده اند، نیز کاهش می یابند. در بخش 1.2.5 نشان دادیم که تعداد این متغیرها در مدل mcp همواره از mcpm بیشتر است و افزایش این تعداد در mcp از مرتبه 2 و در mcpm از مرتبه 1 است. عملکرد دو الگوریتم mcp و mcpm، توسط سه مجموعه داده واقعی مقایسه شده است. نتایج محاسباتی بر روی این مثال ها نشان می دهند که mcpm کمی از دقت mcp می کاهد و در عوض سرعت را به طور قابل ملاحظه ای بالا می برد. از آن جایی که در برخی از کاربردهای عملی، زمان ارزشمندتر از دقت بالا است، mcpm را می توان به عنوان روشی که در زمانی کمتر از mcp، جوابی با دقت تقریباً بالا به دست می دهد، به کار برد. اگر چه روش پیشنهادی بر روی مجموعه های از اندازه کوچک و متوسط ارزیابی شده است و بررسی های بیشتری لازم است تا کارایی الگوریتم را بر روی مثال های بزرگ تر با خصوصیات متفاوت، اندازه گیری کند. لازم به ذکر است که mcpm، همانند روش هایی مثل lda، smo و بسیاری از مدل های برنامه ریزی ابرصفحه ای مثل dea-daبرای طبقه بندی داده هایی با نواحی مجزا مناسب نیست. روش mcpm می تواند یک نقطه شروع نزدیک به بهینه را فراهم کند. همچنین، این روش را می توان به صورت ترکیبی با الگوریتم های طبقه بندی دیگر به کار برد.

Supervisors and advisors

حسین تقی زاده کاخکی، رضا قنبری

Similar theses

Similar items

  • رتبه بندی مجدد اعداد فازی lr و کاربرد آن در برنامه ریزی ریاضی فازی

    Articleپژوهش های نوین در ریاضی (علوم پایه سابق)e. darban jafaria، d r. chameh، d s.h. nasseri، corresponding author: email: nasseri@umz.ac.ir

    در دو دهه اخیر، رتبه ­بندی کمیت­های فازی یک طیف وسیعی از مطالعات در حوزه نظریه مجموعه­ های فازی را به خود اختصاص داده است. در بسیاری از مواقع، همچون برنامه ریزی ریاضی فازی تصمیم­ گیرنده نیازمند آن است که برای انعکاس نظر خود از اعداد فازی نوع lr استفاده کند. ولی در بیشتر روش­هایی

  • طراحی شبکه زنجیره تأمین چنددوره ای و چندمحصولی با استفاده از رویکرد ترکیبی برنامه ریزی ریاضی چندهدفه و تحلیل پوششی داده ها

    Articleچشم انداز مدیریت صنعتیعباس شول، دانشگاه علامه طباطبایی مقصود امیری، دانشگاه علامه طباطبایی لعیا الفت، دانشگاه علامه طباطبایی کاوه خلیلی دامغانی

    چکیده در این مقاله، برای افزایش کارایی شبکه زنجیره تأمین پیشنهادی، مدل چنددوره­ای و چندمحصولی را با اهداف چندگانه به طور هم زمان درنظر گرفته ایم. برای طراحی شبکه، از مدل برنامه­ریزی ریاضی چندهدفه عدد صحیح مختلط استفاده کردیم و اهداف مسئله شامل حداقل کردن هزینه تولید، کاهش زمان ار

  • ارزیابی کارایی شرکت های آب و فاضلاب شهری در بخش آب در استان های کشور با استفاده از مدل برنامه ریزی ریاضی

    Articleتحقیقات منابع آب ایرانجواد رضائی، کارشناس ارشد / اقتصاد، عضو هئیت علمی موسسه مطالعات و پژوهشهای بازرگانی حسن عیدمحمدزاده، کارشناسی ارشد / اقتصاد، عضو هیئت علمی موسسه غیرانتفاعی علامه محدث نوری مرجان فقیه نصیری، دکترای/ اقتصاد، عضو هیئت علمی دانشگاه پیام نور علیرضا گرشاسبی

    بنا به تعریف کارایی در ادبیات اقتصادی، حداکثر ستانده با میزان معینی از نهاده یا حداقل نهاده با میزان معینی از ستانده می باشد. امروزه به منظور اندازه گیری کارایی از دو روش استفاده می شود که عبارتند از: 1- روش پارامتری 2- روش ناپارامتری. در این مقاله با توجه به روش ناپارامتری که بر

  • طبقه بندی داده های ابرطیفی با استفاده از مشتق گیری در فضای طیفی و استفاده از روش های کدگذاری

    Articleسنجش از دور و gis ایرانمصطفی اوجاقلو، دانشگاه خواجه نصیرالدین طوسی محمدرضا مباشری، دانشگاه خواجه نصیرالدین طوسی یوسف رضائی، دانشگاه بوعلی سینا

    روش های متعددی برای استخراج اطلاعات از داده های ابرطیفی وجود دارند که از آن جمله می توان به روش مشتق گیری از طیف بازتابندگی و استفاده از روش های کدگذاری اشاره کرد. در این تحقیق با مشتق گیری از طیف بازتابندگی، فرکانس های پایین طیف- که عموتاً دارای اطلاعات مفیدی نیستند- حذف گردیده

  • روشی برای حل مساله جدول برنامه هفتگی مدارس با استفاده از رویکرد تجزیه در برنامه ریزی ریاضی

    Articleتحقیق در عملیات در کاربردهای آنامین وحیدی منفرد، علیرضا علی احمدی

    برنامه ریزی مدارس یکی از دغدغه های مدیران و حتی دبیران در ابتدای سال تحصیلی است. در مقاله ی حاضر با استفاده از برنامه ریزی ریاضی این مساله مدل شده است. به دلیل تعداد بسیار بالای متغیر های 0 و 1 مساله، یک مساله np-complete است و مدل سازی عادی چندان عملی نخواهد بود. سه تکه (تجزیه)

  • ارائه روشی برای طبقه بندی داده های ابرطیفی aviris ، با استفاده از استخراج ویژگی و ترکیب طبقه بندی کننده ها

    Articleسنجش از دور و gis ایرانمجید رحیم زادگان، دانشگاه خواجه نصیرالدین طوسی محمدرضا مباشری، دانشگاه خواجه نصیرالدین طوسی محمدجواد ولدان زوج، دانشگاه خواجه نصیرالدین طوسی یاسر مقصودی مهرانی

    یکی از پرکاربردترین روش های طبقه بندی نظارت شده، روش بیشترین احتمال است که در آن، به منظرو طبقه بندی از پارامترهایی آماری مانند ماتریس واریانس کوواریانس استفاده می شود. در تصاویر ماهواره ای ابر طیفی، به علت محدودیت نمونه های آموزشی و ابعاد بالای طیفی (زیاد بودن تعداد باند ها)، اح